一种基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
一种基于PSO
‑
RBF神经网络隧道塌方风险评估预测方法


[0001]本专利技术涉及隧道施工
，具体涉及一种基于
PSO
‑
RBF
神经网络隧道塌方风险评估预测方法
。

技术介绍

[0002]随着我国隧道工程的快速发展，隧道穿越不良地层的工况随之增多
。
在隧道开挖过程中，受不良地质
、
地层岩性
、
地下水位
、
可溶岩与非可溶岩接触带
、
围岩级别等因素的综合影响，隧道围岩会发生不同程度的变形，严重者甚至会发生塌方事故，危害施工人员生命安全
。
目前，关于隧道塌方传统预警方法常采用
RBF、BP
神经网络，然而该方法预测精度不高，因此，如何提高隧道塌方中风险评估预测精度是目前亟待解决的问题
。

技术实现思路

[0003]为了实现上述目的，本专利技术提出了一种基于
PSO
‑
RBF
神经网络隧道施工安全风险预警方法，其通过神经网络学习给出合适的风险评估等级，指导隧道现场施工
。
[0004]本专利技术所采用的技术方案如下：
[0005]一种基于
PSO
‑
RBF
神经网络隧道塌方风险评估预测方法，其特征在于，包括以下步骤：
[0006]步骤
S1
：根据影响隧道稳定性的因素，确定安全预警指标，并基于多个隧道工程实例进行问卷调查，根据得到的安全预警指标以及问卷调查结果建立原始数据矩阵；
[0007]步骤
S2
：利用主成分分析法对原始数据矩阵进行预处理，同时计算旋转后的各因子得分；
[0008]步骤
S3
：利用
PSO
对
RBF
神经网络参数进行优化后，建立
PSO
‑
RBF
神经网络风险评估模型；
[0009]步骤
S4
：将经过因子分析降维后的综合因子数值及调查项目中部分数据组成的矩阵作为训练样本，对模型进行训练与验证；
[0010]步骤
S5
：将待评估的隧道工程数据输入利用训练好的
PSO
‑
RBF
神经网络风险评估模型进行风险等级预测；
[0011]步骤
S6
：输出预测的风险等级进行预警
。
[0012]进一步地，步骤1中的具体步骤包括：
[0013]步骤
S11
：根据隧道施工的风险因素，确定多个变量指标；
[0014]步骤
S12
：接受问卷调查的人员针对各个变量指标，选择“很好”、“较好”、“中等”、“较差”、“很差”其中一项进行评价；
[0015]步骤
S13
：根据步骤
S12
的评价结果给出各个变量指标处于“无警”、“轻警”、“中警”、“重警”、“巨警”其中一个等级；
[0016]步骤
S14
：以“中等”选项为零点，以
0.5
分为间距，对各个变量指标进行统计；
[0017]步骤
S15
：将统计结果与调查问卷的等级评定结果组成原始数据矩阵
。
[0018]进一步地，所述变量指标包括围岩松弛
、
加固方式不当
、
稳定工作面不当
、
工作面自稳性评价指标及方法不当
、
围岩失稳，支护破坏
、
治理方法不当
、
未能先护后挖
、
地下水控制不当
、
现场调查不完善
、
设计文件不合适
、
施工组织设计不当
、
气象调查资料不全
、
勘察资料不全
、
现场围岩低于设计级别
、
地质描述不完善
、
超前地质预报不按要求实施
、
开挖方式不当
、
地下水处理不当
、
超挖
、
预留变形量过小
、
初期支护选择不当
、
超前支护未按要求
、
钢支撑不规范
、
锚杆施作不规范
、
二衬施作时机不当
、
初支破坏后处理不当
、
忽略人员安全培训
、
施工
、
责任制度不完善
、
应急预案不全
、
技术交底不清
、
设计意图理解不足
、
应急培训不足
、
未测规范要求必测项
、
规范要求选测项是否实施
、
数据分析或反馈不及时
、
量测器材及布置不合适
、
量测频率不当
。
[0019]进一步地，步骤
S2
的具体步骤包括：
[0020]步骤
S21
：采用主成分分析法对原始数据矩阵进行预处理；
[0021]步骤
S22
：采用
SPSS17
对预处理后的原始数据矩阵进行分析，得到相应的因子分析结果；
[0022]步骤
S23
：基于因子分析结果统计能够解释超过
80
％方差内容时的主成分的个数，同时得到原变量与主因子之间的线性组合；
[0023]步骤
S24
：计算得因子得分系数矩阵，根据因子得分系数和原始变量的标准化值计算各个因子的得分，旋转后的因子得分为：
[0024][0025]其中，
F
i
为旋转后的因子得分，
C
ij
为因子得分系数，
X
i
为原始变量的标准化数值
。
[0026]进一步地，步骤
S21
的具体步骤包括：
[0027]步骤
S211
：将
n
个样本和
p
个指标构成大小为
n
＊
p
的样本矩阵
x
：
[0028][0029]步骤
S212
：对矩阵
x
进行标准化处理，即按列计算均值和标准差再计算标准化数据从而得到标准化处理后的矩阵
X
：
[0030][0031]步骤
S213
：计算标准化样本矩阵的协方差矩阵
R
：
[0032][0033]其中，
[0034]步骤
S214
：根据标准化样本矩阵及其协方差矩阵，得到样本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
PSO
‑
RBF
神经网络隧道塌方风险评估预测方法，其特征在于，包括以下步骤：步骤
S1
：根据影响隧道稳定性的因素，确定安全预警指标，并基于多个隧道工程实例进行问卷调查，根据得到的安全预警指标以及问卷调查结果建立原始数据矩阵；步骤
S2
：利用主成分分析法对原始数据矩阵进行预处理，同时计算旋转后的各因子得分；步骤
S3
：利用
PSO
对
RBF
神经网络参数进行优化后，建立
PSO
‑
RBF
神经网络风险评估模型；步骤
S4
：将经过因子分析降维后的综合因子数值及调查项目中部分数据组成的矩阵作为训练样本，对模型进行训练与验证；步骤
S5
：将待评估的隧道工程数据输入利用训练好的
PSO
‑
RBF
神经网络风险评估模型进行风险等级预测；步骤
S6
：输出预测的风险等级进行预警
。2.
如权利要求1所述的一种基于
PSO
‑
RBF
神经网络隧道塌方风险评估预测方法，其特征在于，步骤1中的具体步骤包括：步骤
S11
：根据隧道施工的风险因素，确定多个变量指标；步骤
S12
：接受问卷调查的人员针对各个变量指标，选择“很好”、“较好”、“中等”、“较差”、“很差”其中一项进行评价；步骤
S13
：根据步骤
S12
的评价结果给出各个变量指标处于“无警”、“轻警”、“中警”、“重警”、“巨警”其中一个等级；步骤
S14
：以“中等”选项为零点，以
0.5
分为间距，对各个变量指标进行统计；步骤
S15
：将统计结果与调查问卷的等级评定结果组成原始数据矩阵
。3.
如权利要求2所述的一种基于
PSO
‑
RBF
神经网络隧道塌方风险评估预测方法，其特征在于，所述变量指标包括围岩松弛
、
加固方式不当
、
稳定工作面不当
、
工作面自稳性评价指标及方法不当
、
围岩失稳，支护破坏
、
治理方法不当
、
未能先护后挖
、
地下水控制不当
、
现场调查不完善
、
设计文件不合适
、
施工组织设计不当
、
气象调查资料不全
、
勘察资料不全
、
现场围岩低于设计级别
、
地质描述不完善
、
超前地质预报不按要求实施
、
开挖方式不当
、
地下水处理不当
、
超挖
、
预留变形量过小
、
初期支护选择不当
、
超前支护未按要求
、
钢支撑不规范
、
锚杆施作不规范
、
二衬施作时机不当
、
初支破坏后处理不当
、
忽略人员安全培训
、
施工
、
责任制度不完善
、
应急预案不全
、
技术交底不清
、
设计意图理解不足
、
应急培训不足
、
未测规范要求必测项
、
规范要求选测项是否实施
、
数据分析或反馈不及时
、
量测器材及布置...

【专利技术属性】
技术研发人员：施龙，刘涛，王双院，修义南，王刚，李良，周长春，王琦，宋战平，张玉龙，张玉伟，
申请(专利权)人：中铁建大桥工程局集团第一工程有限公司西安建筑科技大学，
类型：发明
国别省市：